BigQuery 위치
이 페이지에서는 위치의 개념과 데이터를 저장하고 처리할 수 있는 여러 리전에 대해 설명합니다. 스토리지 및 분석 가격 책정도 데이터 및 예약 위치에 따라 정의됩니다. 여러 위치의 가격 책정에 대한 자세한 내용은 BigQuery 가격 책정을 참조하세요. 데이터 세트의 위치를 설정하는 방법을 알아보려면 데이터 세트 만들기를 참조하세요. 예약 위치에 대한 자세한 내용은 다른 리전의 예약 관리를 참조하세요.
BigQuery Data Transfer Service에서 위치를 사용하는 방법에 대한 자세한 내용은 데이터 위치 및 전송을 참조하세요.
위치 및 리전
BigQuery는 두 가지 유형의 데이터 및 컴퓨팅 위치를 제공합니다.
리전은 특정한 지리적 장소(예: 런던)입니다.
멀티 리전은 두 개 이상의 지역을 포함하는 넓은 지리적 지역(예: 미국)입니다. 멀티 리전 위치는 단일 리전보다 더 큰 할당량을 제공할 수 있습니다.
두 위치 유형 모두에서 BigQuery는 선택된 위치의 단일 리전 내에 있는 두 개의 서로 다른 Google Cloud 영역에 데이터 복사본을 자동으로 저장합니다. 데이터 가용성 및 내구성에 대한 자세한 내용은 재해 복구 계획을 참고하세요.
지원되는 위치
BigQuery 데이터 세트는 다음 리전 및 멀티 리전에 저장할 수 있습니다. 리전과 영역에 대한 상세 설명은 위치 및 리전을 참조하세요.
리전
다음 표에는 BigQuery를 사용할 수 있는 아메리카 내 리전이 나와 있습니다.| 리전 설명 | 리전 이름 | 세부정보 |
|---|---|---|
| 오하이오 주 콜럼부스 | us-east5 |
|
| 댈러스 | us-south1 |
 낮은 CO2
|
| 아이오와 | us-central1 |
낮은 CO2
|
| 라스베이거스 | us-west4 |
|
| 로스앤젤레스 | us-west2 |
|
| 몬트리올 | northamerica-northeast1 |
낮은 CO2
|
| 북버지니아 | us-east4 |
|
| 오리건 | us-west1 |
낮은 CO2 |
| 솔트레이크시티 | us-west3 |
|
| 상파울루 | southamerica-east1 |
낮은 CO2
|
| 산티아고 | southamerica-west1 |
낮은 CO2
|
| 사우스캐롤라이나 | us-east1 |
|
| 토론토 | northamerica-northeast2 |
낮은 CO2
|
| 리전 설명 | 리전 이름 | 세부정보 |
|---|---|---|
| 델리 | asia-south2 |
|
| 홍콩 | asia-east2 |
|
| 자카르타 | asia-southeast2 |
|
| 멜버른 | australia-southeast2 |
|
| 뭄바이 | asia-south1 |
|
| 오사카 | asia-northeast2 |
|
| 서울 | asia-northeast3 |
|
| 싱가포르 | asia-southeast1 |
|
| 시드니 | australia-southeast1 |
|
| 타이완 | asia-east1 |
|
| 도쿄 | asia-northeast1 |
| 리전 설명 | 리전 이름 | 세부정보 |
|---|---|---|
| 벨기에 | europe-west1 |
낮은 CO2
|
| 베를린 | europe-west10 |
낮은 CO2
|
| 핀란드 | europe-north1 |
낮은 CO2
|
| 프랑크푸르트 | europe-west3 |
낮은 CO2
|
| 런던 | europe-west2 |
낮은 CO2
|
| 마드리드 | europe-southwest1 |
낮은 CO2
|
| 밀라노 | europe-west8 |
|
| 네덜란드 | europe-west4 |
낮은 CO2
|
| 파리 | europe-west9 |
낮은 CO2
|
| 토리노 | europe-west12 |
|
| 바르샤바 | europe-central2 |
|
| 취리히 | europe-west6 |
낮은 CO2
|
| 리전 설명 | 리전 이름 | 세부정보 |
|---|---|---|
| 담맘 | me-central2 |
|
| 도하 | me-central1 |
|
| 텔아비브 | me-west1 |
| 리전 설명 | 리전 이름 | 세부정보 |
|---|---|---|
| 요하네스버그 | africa-south1 |
멀티 리전
다음 표에는 BigQuery를 사용할 수 있는 멀티 리전이 나와 있습니다.| 멀티 리전 설명 | 멀티 리전 이름 |
|---|---|
| 유럽 연합 회원국의 데이터 센터1 | EU |
| 미국의 데이터 센터2 | US |
1 EU 멀티 리전에 있는 데이터는 europe-west1(벨기에) 또는 europe-west4(네덜란드) 중 한 곳에만 저장됩니다.
데이터가 저장 및 처리되는 정확한 위치는 BigQuery에 의해 자동으로 결정됩니다.
2 US 멀티 리전에 있는 데이터는 us-central1(아이오와), us-west1(오리건), us-central2(오클라호마) 중 한 곳에만 저장됩니다. 데이터가 저장 및 처리되는 정확한 위치는 BigQuery에 의해 자동으로 결정됩니다.
BigQuery Studio 위치
BigQuery Studio를 사용하면 노트북 및 저장된 쿼리와 같은 코드 애셋 버전을 저장, 공유, 관리할 수 있습니다.
다음 표에는 BigQuery Studio를 사용할 수 있는 리전이 나와 있습니다.
| 리전 설명 | 리전 이름 | 세부정보 | |
|---|---|---|---|
| 아프리카 | |||
| 요하네스버그 | africa-south1 |
||
| 미주 | |||
| 콜럼버스 | us-east5 |
||
| 댈러스 | us-south1 |
낮은 CO2
|
|
| 아이오와 | us-central1 |
낮은 CO2
|
|
| 로스앤젤레스 | us-west2 |
||
| 라스베이거스 | us-west4 |
||
| 몬트리올 | northamerica-northeast1 |
낮은 CO2
|
|
| 북 버지니아 | us-east4 |
||
| 오리건 | us-west1 |
낮은 CO2 |
|
| 상파울루 | southamerica-east1 |
낮은 CO2
|
|
| 사우스캐롤라이나 | us-east1 |
||
| 아시아 태평양 | |||
| 홍콩 | asia-east2 |
||
| 자카르타 | asia-southeast2 |
||
| 뭄바이 | asia-south1 |
||
| 서울 | asia-northeast3 |
||
| 싱가포르 | asia-southeast1 |
||
| 시드니 | australia-southeast1 |
||
| 타이완 | asia-east1 |
||
| 도쿄 | asia-northeast1 |
||
| 유럽 | |||
| 벨기에 | europe-west1 |
낮은 CO2
|
|
| 프랑크푸르트 | europe-west3 |
낮은 CO2
|
|
| 런던 | europe-west2 |
낮은 CO2
|
|
| 마드리드 | europe-southwest1 |
낮은 CO2
|
|
| 네덜란드 | europe-west4 |
낮은 CO2
|
|
| 토리노 | europe-west12 |
||
| 취리히 | europe-west6 |
낮은 CO2
|
|
| 중동 | |||
| 도하 | me-central1 |
||
| 담맘 | me-central2 |
||
BigQuery Omni 위치
BigQuery Omni는 쿼리 중인 테이블이 포함된 데이터 세트와 동일한 위치에 있는 쿼리를 처리합니다. 데이터 세트를 만든 후에는 이 위치를 변경할 수 없습니다. 데이터는 자체 AWS 또는 Azure 계정 내에 있습니다. BigQuery Omni 리전은 Enterprise 버전 예약과 주문형 컴퓨팅(분석) 가격 책정을 지원합니다. 버전에 대한 자세한 내용은 BigQuery 버전 소개를 참조하세요.| 리전 설명 | 리전 이름 | 같은 위치에 배치된 BigQuery 리전 | |
|---|---|---|---|
| AWS | |||
| AWS - 미국 동부(북 버지니아) | aws-us-east-1 |
us-east4 |
|
| AWS 미국 서부(오리건) | aws-us-west-2 |
us-west1 |
|
| AWS - 아시아 태평양(서울) | aws-ap-northeast-2 |
asia-northeast3 |
|
| AWS - 아시아 태평양(시드니) | aws-ap-southeast-2 |
australia-southeast1 |
|
| AWS - 유럽(아일랜드) | aws-eu-west-1 |
europe-west1 |
|
| AWS - 유럽(프랑크푸르트) | aws-eu-central-1 |
europe-west3 |
|
| Azure | |||
| Azure - 미국 동부 2 | azure-eastus2 |
us-east4 |
|
BigQuery ML 위치
BigQuery ML은 데이터가 포함된 데이터 세트와 동일한 위치에서 데이터를 처리하고 스테이징합니다.
BigQuery ML은 서비스별 약관에 따라 선택한 위치에 데이터를 저장합니다.
BigQuery ML 모델 예측 및 기타 ML 함수는 모든 BigQuery 리전에서 지원됩니다. 모델 학습 지원은 리전마다 다릅니다.
오토인코더, 부스티드 트리, DNN, 와이드 앤 딥 모델에 대한 학습은 멀티 리전
US및EU와 대부분의 단일 리전에서 사용할 수 있습니다. 자세한 내용은 기타 모든 유형의 모델 위치를 참고하세요.AutoML 학습은
US및EU멀티 리전과 대부분의 단일 리전에서 지원됩니다.
원격 모델 위치
이 섹션에는 원격 모델에 지원되는 위치와 원격 모델 처리가 발생하는 위치에 관한 자세한 내용이 포함되어 있습니다.리전 내 위치
다음 표에서는 여러 유형의 원격 모델에 지원되는 리전을 보여줍니다. 열 이름은 원격 모델 유형을 나타냅니다.| 리전 설명 | 리전 이름 | Vertex AI 배포 모델 | 텍스트 생성 LLM | 텍스트 임베딩 LLM | Cloud Natural Language API | Cloud Translation API | Cloud Vision API | Document AI API | Speech-to-Text API | |
|---|---|---|---|---|---|---|---|---|---|---|
| 미주 | ||||||||||
| 오하이오 주 콜럼부스 | us-east5 |
|||||||||
| 댈러스 | us-south1 |
● | ● | |||||||
| 아이오와 | us-central1 |
● | ● | ● | ● | |||||
| 라스베이거스 | us-west4 |
● | ● | ● | ||||||
| 로스앤젤레스 | us-west2 |
● | ||||||||
| 몬트리올 | northamerica-northeast1 |
● | ● | ● | ||||||
| 북버지니아 | us-east4 |
● | ● | ● | ||||||
| 오리건 | us-west1 |
● | ● | ● | ● | |||||
| 솔트레이크시티 | us-west3 |
● | ||||||||
| 상파울루 | southamerica-east1 |
● | ● | |||||||
| 산티아고 | southamerica-west1 |
|||||||||
| 사우스캐롤라이나 | us-east1 |
● | ● | ● | ||||||
| 토론토 | northamerica-northeast2 |
● | ||||||||
| 유럽 | ||||||||||
| 벨기에 | europe-west1 |
● | ● | ● | ● | |||||
| 핀란드 | europe-north1 |
● | ||||||||
| 프랑크푸르트 | europe-west3 |
● | ● | ● | ● | |||||
| 런던 | europe-west2 |
● | ● | ● | ● | |||||
| 마드리드 | europe-southwest1 |
|||||||||
| 밀라노 | europe-west8 |
● | ● | ● | ||||||
| 네덜란드 | europe-west4 |
● | ● | ● | ● | |||||
| 파리 | europe-west9 |
● | ● | ● | ||||||
| 토리노 | europe-west12 |
|||||||||
| 바르샤바 | europe-central2 |
● | ||||||||
| 취리히 | europe-west6 |
● | ● | |||||||
| 아시아 태평양 | ||||||||||
| 델리 | asia-south2 |
|||||||||
| 홍콩 | asia-east2 |
● | ● | |||||||
| 자카르타 | asia-southeast2 |
● | ||||||||
| 멜버른 | australia-southeast2 |
|||||||||
| 뭄바이 | asia-south1 |
● | ● | ● | ||||||
| 오사카 | asia-northeast2 |
|||||||||
| 서울 | asia-northeast3 |
● | ● | ● | ||||||
| 싱가포르 | asia-southeast1 |
● | ● | ● | ● | |||||
| 시드니 | australia-southeast1 |
● | ● | ● | ||||||
| 타이완 | asia-east1 |
● | ● | |||||||
| 도쿄 | asia-northeast1 |
● | ● | ● | ● | |||||
| 중동 | ||||||||||
| 담맘 | me-central2 |
|||||||||
| 도하 | me-central1 |
|||||||||
| 텔아비브 | me-west1 |
● | ● | |||||||
다중 리전 위치
다음 표에서는 여러 유형의 원격 모델에 지원되는 멀티 리전을 보여줍니다. 열 이름은 원격 모델 유형을 나타냅니다.| 리전 설명 | 리전 이름 | Vertex AI 배포 모델 | 텍스트 생성 LLM | 텍스트 임베딩 LLM | Cloud Natural Language API | Cloud Translation API | Cloud Vision API | Document AI API | Speech-to-Text API |
|---|---|---|---|---|---|---|---|---|---|
| 유럽 연합 회원국의 데이터 센터1 | EU |
● | ● | ● | ● | ● | ● | ||
| 미국의 데이터 센터 | US |
● | ● | ● | ● | ● | ● | ● |
호스팅된 Google 모델의 처리 위치
Vertex AI에 호스팅된 Google 모델의 원격 모델의 경우 처리 위치는 원격 모델이 있는 데이터 세트의 위치에 영향을 받습니다.
원격 모델을 만드는 데이터 세트가 단일 리전에 있는 경우 Vertex AI 모델 엔드포인트도 동일한 리전에 있어야 합니다. 모델 엔드포인트 URL을 지정하는 경우 데이터 세트와 동일한 리전에 있는 엔드포인트를 사용합니다. 예를 들어 데이터 세트가 us-central1 리전에 있는 경우 엔드포인트 https://us-central1-aiplatform.googleapis.com/v1/projects/myproject/locations/us-central1/publishers/google/models/<target_model>를 지정합니다.
모델 이름을 지정하면 BigQuery ML은 올바른 리전의 엔드포인트를 자동으로 선택합니다.
원격 모델을 만드는 데이터 세트가 멀티 리전에 있는 경우 Vertex AI 모델 엔드포인트는 해당 멀티 리전 내의 리전에 있어야 합니다. 예를 들어 데이터 세트가 eu 멀티 리전에 있는 경우 europe-west6 리전 엔드포인트 https://europe-west6-aiplatform.googleapis.com/v1/projects/myproject/locations/europe-west6/publishers/google/models/<target_model>의 URL을 지정할 수 있습니다.
엔드포인트 URL 대신 모델 이름을 지정하면 BigQuery ML은 기본적으로 eu 멀티 리전의 데이터 세트에 europe-west4 엔드포인트를 사용하고 us 멀티 리전의 데이터 세트에 us-central1 엔드포인트를 사용합니다.
다른 모든 유형의 모델 위치
이 섹션에는 원격 모델을 제외한 모든 모델 유형에서 지원되는 위치에 관한 자세한 내용이 포함되어 있습니다.리전 내 위치
| 리전 설명 | 리전 이름 | 가져온 모델 |
기본 제공 모델 학습 |
DNN/Autoencoder/ 부스티드 트리/ 와이드 앤 딥 모델 학습 |
AutoML 모델 학습 |
초매개변수 조정 |
Vertex AI Model Registry 통합 | ||
|---|---|---|---|---|---|---|---|---|---|
| 미주 | |||||||||
| 오하이오 주 콜럼부스 | us-east5 |
● | ● | ||||||
| 댈러스 | us-south1 |
● | ● | ||||||
| 아이오와 | us-central1 |
● | ● | ● | ● | ● | ● | ||
| 라스베이거스 | us-west4 |
● | ● | ● | ● | ||||
| 로스앤젤레스 | us-west2 |
● | ● | ● | ● | ||||
| 몬트리올 | northamerica-northeast1 |
● | ● | ● | ● | ● | ● | ||
| 북버지니아 | us-east4 |
● | ● | ● | ● | ● | ● | ||
| 오리건 | us-west1 |
● | ● | ● | ● | ● | |||
| 솔트레이크시티 | us-west3 |
● | ● | ● | |||||
| 상파울루 | southamerica-east1 |
● | ● | ● | ● | ||||
| 산티아고 | southamerica-west1 |
● | ● | ||||||
| 사우스캐롤라이나 | us-east1 |
● | ● | ● | ● | ● | |||
| 토론토 | northamerica-northeast2 |
● | ● | ● | |||||
| 유럽 | |||||||||
| 벨기에 | europe-west1 |
● | ● | ● | ● | ● | ● | ||
| 베를린 | europe-west10 |
● | ● | ||||||
| 핀란드 | europe-north1 |
● | ● | ● | |||||
| 프랑크푸르트 | europe-west3 |
● | ● | ● | ● | ● | ● | ||
| 런던 | europe-west2 |
● | ● | ● | ● | ● | ● | ||
| 마드리드 | europe-southwest1 |
● | ● | ||||||
| 밀라노 | europe-west8 |
● | ● | ||||||
| 네덜란드 | europe-west4 |
● | ● | ● | ● | ● | ● | ||
| 파리 | europe-west9 |
● | ● | ||||||
| 토리노 | europe-west12 |
● | |||||||
| 바르샤바 | europe-central2 |
● | ● | ||||||
| 취리히 | europe-west6 |
● | ● | ● | ● | ● | ● | ||
| 아시아 태평양 | |||||||||
| 델리 | asia-south2 |
● | ● | ||||||
| 홍콩 | asia-east2 |
● | ● | ● | ● | ● | ● | ||
| 자카르타 | asia-southeast2 |
● | ● | ● | |||||
| 멜버른 | australia-southeast2 |
● | ● | ||||||
| 뭄바이 | asia-south1 |
● | ● | ● | ● | ● | |||
| 오사카 | asia-northeast2 |
● | ● | ● | |||||
| 서울 | asia-northeast3 |
● | ● | ● | ● | ● | ● | ||
| 싱가포르 | asia-southeast1 |
● | ● | ● | ● | ● | ● | ||
| 시드니 | australia-southeast1 |
● | ● | ● | ● | ● | ● | ||
| 타이완 | asia-east1 |
● | ● | ● | ● | ● | ● | ||
| 도쿄 | asia-northeast1 |
● | ● | ● | ● | ● | ● | ||
| 중동 | |||||||||
| 담맘 | me-central2 |
● | |||||||
| 도하 | me-central1 |
● | |||||||
| 텔아비브 | me-west1 |
● | ● | ||||||
| 아프리카 | |||||||||
| 요하네스버그 | africa-south1 |
● | ● | ||||||
다중 리전 위치
| 리전 설명 | 리전 이름 | 가져온 모델 |
기본 제공 모델 학습 |
DNN/Autoencoder/ 부스티드 트리/ 와이드 앤 딥 모델 학습 |
AutoML 모델 학습 |
초매개변수 조정 |
Vertex AI Model Registry 통합 |
|---|---|---|---|---|---|---|---|
| 유럽 연합 회원국의 데이터 센터1 | EU |
● | ● | ● | ● | ● | ● |
| 미국의 데이터 센터 | US |
● | ● | ● | ● | ● | ● |
1 EU 멀티 리전에 있는 데이터는 europe-west2(런던) 또는 europe-west6(취리히) 데이터 센터에 저장되지 않습니다.
Vertex AI Model Registry 통합은 단일 리전 통합에서만 지원됩니다. 멀티 리전 BigQuery ML 모델을 Model Registry로 전송하면 Vertex AI의 리전 모델로 변환됩니다.
BigQuery ML 멀티 리전 US 모델은 Vertex AI us-central1에 동기화되고 BigQuery ML 멀티 리전 EU 모델은 Vertex AI europe-west4에 동기화됩니다. 단일 리전 모델의 경우 변경사항이 없습니다.
BigQuery SQL 변환기 위치
레거시 데이터 웨어하우스에서 BigQuery로 데이터를 마이그레이션할 때 여러 SQL 변환기를 사용하여 SQL 쿼리를 GoogleSQL 또는 기타 지원되는 SQL 언어로 변환할 수 있습니다. 여기에는 대화형 SQL 변환기, SQL 변환 API, 일괄 SQL 변환기가 포함됩니다.
BigQuery SQL 변환기는 다음 처리 위치에서 사용할 수 있습니다.
| 리전 설명 | 리전 이름 | 세부정보 | |
|---|---|---|---|
| 아시아 태평양 | |||
| 도쿄 | asia-northeast1 |
||
| 뭄바이 | asia-south1 |
||
| 싱가포르 | asia-southeast1 |
||
| 시드니 | australia-southeast1 |
||
| 유럽 | |||
| EU 멀티 리전 | eu |
||
| 바르샤바 | europe-central2 |
||
| 핀란드 | europe-north1 |
낮은 CO2
|
|
| 마드리드 | europe-southwest1 |
낮은 CO2
|
|
| 벨기에 | europe-west1 |
낮은 CO2
|
|
| 런던 | europe-west2 |
낮은 CO2
|
|
| 프랑크푸르트 | europe-west3 |
낮은 CO2
|
|
| 네덜란드 | europe-west4 |
낮은 CO2
|
|
| 취리히 | europe-west6 |
낮은 CO2
|
|
| 파리 | europe-west9 |
낮은 CO2
|
|
| 토리노 | europe-west12 |
||
| 미주 | |||
| 퀘벡 | northamerica-northeast1 |
낮은 CO2
|
|
| 상파울루 | southamerica-east1 |
낮은 CO2
|
|
| 미국 멀티 리전 | us |
||
| 아이오와 | us-central1 |
낮은 CO2
|
|
| 사우스캐롤라이나 | us-east1 |
||
| 북버지니아 | us-east4 |
||
| 오하이오 주 콜럼부스 | us-east5 |
||
| 댈러스 | us-south1 |
낮은 CO2
|
|
| 오리건 | us-west1 |
낮은 CO2 |
|
| 로스앤젤레스 | us-west2 |
||
| 솔트레이크시티 | us-west3 |
||
BigQuery 파티션 및 클러스터 추천자
BigQuery 파티셔닝 및 클러스터링 추천자는 BigQuery 테이블이 최적화되도록 파티션 또는 클러스터 권장사항을 생성합니다.
파티셔닝 및 클러스터링 추천자는 다음 처리 위치에서 사용할 수 있습니다.
| 리전 설명 | 리전 이름 | 세부정보 | |
|---|---|---|---|
| 아시아 태평양 | |||
| 델리 | asia-south2 |
||
| 홍콩 | asia-east2 |
||
| 자카르타 | asia-southeast2 |
||
| 뭄바이 | asia-south1 |
||
| 오사카 | asia-northeast2 |
||
| 서울 | asia-northeast3 |
||
| 싱가포르 | asia-southeast1 |
||
| 시드니 | australia-southeast1 |
||
| 타이완 | asia-east1 |
||
| 도쿄 | asia-northeast1 |
||
| 유럽 | |||
| 벨기에 | europe-west1 |
낮은 CO2
|
|
| 베를린 | europe-west10 |
낮은 CO2
|
|
| EU 멀티 리전 | eu |
||
| 프랑크푸르트 | europe-west3 |
낮은 CO2
|
|
| 런던 | europe-west2 |
낮은 CO2
|
|
| 네덜란드 | europe-west4 |
낮은 CO2
|
|
| 취리히 | europe-west6 |
낮은 CO2
|
|
| 미주 | |||
| 아이오와 | us-central1 |
낮은 CO2
|
|
| 라스베이거스 | us-west4 |
||
| 로스앤젤레스 | us-west2 |
||
| 몬트리올 | northamerica-northeast1 |
낮은 CO2
|
|
| 북버지니아 | us-east4 |
||
| 오리건 | us-west1 |
낮은 CO2 |
|
| 솔트레이크시티 | us-west3 |
||
| 상파울루 | southamerica-east1 |
낮은 CO2
|
|
| 토론토 | northamerica-northeast2 |
낮은 CO2
|
|
| 미국 멀티 리전 | us |
||
위치 지정
BigQuery는 데이터를 로드, 쿼리 또는 내보낼 때 요청에서 참조된 데이터 세트를 토대로 작업을 실행할 위치를 결정합니다. 예를 들어 쿼리가 asia-northeast1 리전에 저장된 데이터 세트의 테이블을 참조하는 경우 쿼리 작업은 해당 리전에서 실행됩니다.
쿼리가 데이터 세트에 포함된 테이블 또는 다른 리소스를 참조하지 않으며 제공된 대상 테이블이 없는 경우 쿼리 작업은 US 멀티 리전에서 실행됩니다. BigQuery 쿼리가 특정 리전 또는 멀티 리전에 저장되도록 하려면 전역 BigQuery 엔드포인트를 사용할 때 쿼리를 라우팅하는 작업 요청으로 위치를 지정합니다. 위치를 지정하지 않으면 BigQuery에서 처리 위치를 확인하기 위해 쿼리가 사용될 때 BigQuery 라우터 로그에 일시적으로 쿼리가 저장될 수 있습니다.
프로젝트에 US 이외의 리전에 용량 기반 예약이 있고 쿼리가 데이터 세트에 포함된 테이블 또는 다른 리소스를 참조하지 않는 경우 작업을 제출하기 전에 정액제 예약의 위치를 명시적으로 지정해야 합니다. 용량 기반 약정은 US 또는 EU와 같은 위치에 연결됩니다. 용량 위치 외부에서 작업을 실행하면 해당 작업의 가격은 주문형 가격 책정으로 자동 전환됩니다.
다음 방법으로 작업을 실행할 위치를 명시적으로 지정할 수 있습니다.
- 쿼리 편집기에서 Google Cloud 콘솔을 사용하여 데이터를 쿼리할 때는 더보기 > 쿼리 설정을 클릭하고 고급 옵션을 펼친 다음 데이터 위치를 선택합니다.
- bq 명령줄 도구를 사용하는 경우
--location전역 플래그를 제공하고 값을 사용자의 위치로 설정합니다. - API를 사용하는 경우 작업 리소스의
jobReference섹션에 있는location속성에서 리전을 지정합니다.
BigQuery는 지정된 위치가 요청한 데이터 세트의 위치와 일치하지 않으면 오류를 반환합니다. 읽은 데이터 세트와 쓴 데이터 세트를 포함하여 요청과 관련된 모든 데이터 세트의 위치는 추론되거나 지정된 작업의 위치와 일치해야 합니다.
단일 리전 위치가 멀티 리전 위치 내에 포함된 경우에도 단일 리전 위치는 멀티 리전 위치와 일치하지 않습니다. 따라서 위치에 단일 리전 위치와 멀티 리전 위치가 모두 포함된 경우 쿼리 또는 작업이 실패합니다. 예를 들어 작업 위치가 US로 설정된 경우 us-central1의 데이터 세트를 참조하면 작업이 실패합니다. 마찬가지로 US의 데이터 세트 하나와 us-central1의 다른 데이터 세트를 참조하는 작업은 실패합니다. 이는 리전과 멀티 리전 모두에 테이블이 있는 JOIN 문에 대해서도 마찬가지입니다.
동적 쿼리는 실행될 때까지 파싱되지 않으므로 쿼리의 리전을 자동으로 지정하는 데 사용할 수 없습니다.
위치, 예약, 작업
용량 약정은 리전별 리소스입니다. 슬롯을 구매하는 경우 슬롯은 특정 리전 또는 멀티 리전으로 제한됩니다. 유일한 용량 약정이 EU에 있으면 US에서 예약을 만들 수 없습니다. 예약을 만들 때 위치(리전) 및 슬롯 수를 지정합니다.
이러한 슬롯은 해당 리전의 용량 약정에서 가져옵니다.
마찬가지로 리전에서 작업을 실행하는 경우 작업 위치가 예약 위치와 일치하는 경우에만 예약을 사용합니다. 예를 들어 EU에 있는 프로젝트에 예약을 할당하고 US에 위치한 데이터 세트에 대해 해당 프로젝트에서 쿼리를 실행하는 경우, 해당 쿼리는 EU 예약에서 실행되지 않습니다. US 예약이 없으면 작업이 주문형으로 실행됩니다.
위치 고려사항
데이터 위치를 선택할 때는 다음 사항을 고려해야 합니다.
Cloud Storage
다음 방법으로 BigQuery를 사용하여 Cloud Storage 데이터와 통합할 수 있습니다.
- BigLake 또는 BigLake 이외의 외부 테이블을 사용하여 Cloud Storage 데이터 쿼리
- BigQuery에 Cloud Storage 데이터 로드
- BigQuery에서 Cloud Storage로 데이터 내보내기
Cloud Storage 데이터 쿼리
BigLake 또는 BigLake 이외의 외부 테이블을 사용하여 Cloud Storage에서 데이터를 쿼리할 때는 쿼리하는 데이터가 BigQuery 데이터 세트와 같은 위치에 있어야 합니다. 예를 들면 다음과 같습니다.
단일 리전 버킷: BigQuery 데이터 세트가 바르샤바(
europe-central2) 리전에 있으면 해당 Cloud Storage 버킷도 바르샤바 리전 또는 바르샤바가 포함된 Cloud Storage 이중 리전에 있어야 합니다. BigQuery 데이터 세트가US멀티 리전에 있으면 Cloud Storage 버킷은US멀티 리전, 아이오와(us-central1) 단일 리전 또는 아이오와가 포함된 모든 이중 리전에 있을 수 있습니다. 버킷이 데이터 세트의 멀티 리전 내에 포함된 위치에 있더라도 다른 단일 리전의 쿼리는 실패합니다. 예를 들어 외부 테이블이US멀티 리전에 있고 Cloud Storage 버킷이 오리건(us-west1)에 있으면 작업이 실패합니다.BigQuery 데이터 세트가
EU멀티 리전에 있으면 Cloud Storage 버킷은EU멀티 리전, 벨기에(europe-west1) 단일 리전 또는 벨기에가 포함된 모든 이중 리전에 있을 수 있습니다. 버킷이 데이터 세트의 멀티 리전 내에 포함된 위치에 있더라도 다른 단일 리전의 쿼리는 실패합니다. 예를 들어 외부 테이블이EU멀티 리전에 있고 Cloud Storage 버킷이 바르샤바(europe-central2)에 있으면 작업이 실패합니다.이중 리전 버킷: BigQuery 데이터 세트가 도쿄(
asia-northeast1) 리전에 있으면 해당 Cloud Storage 버킷은 도쿄 리전 또는 도쿄가 포함된 이중 리전(예:ASIA1이중 리전)에 있어야 합니다.Cloud Storage 버킷이
NAM4이중 리전 또는 아이오와(us-central1) 리전이 포함된 이중 리전에 있으면 해당 BigQuery 데이터 세트는US멀티 리전 또는 아이오와(us-central1)에 있을 수 있습니다.Cloud Storage 버킷이
EUR4이중 리전 또는 벨기에(europe-west1) 리전이 포함된 이중 리전에 있으면 해당 BigQuery 데이터 세트는EU멀티 리전 또는 벨기에(europe-west1)에 있을 수 있습니다.멀티 리전 버킷: 외부 쿼리 성능은 최소 지연 시간과 최적의 네트워크 대역폭에 따라 달라지므로 외부 테이블에는 멀티 리전 Cloud Storage 버킷이 있는 멀티 리전 데이터 세트 위치를 사용하지 않는 것이 좋습니다.
BigQuery 데이터 세트가
US멀티 리전에 있으면 해당 Cloud Storage 버킷은US멀티 리전, 아이오와(us-central1)가 포함된 이중 리전(예:NAM4이중 리전) 또는 아이오와(us-central1)가 포함된 커스텀 이중 리전에 있어야 합니다.BigQuery 데이터 세트가
EU멀티 리전에 있으면 해당 Cloud Storage 버킷은EU멀티 리전, 벨기에(europe-west1)가 포함된 이중 리전(예:EUR4이중 리전) 또는 벨기에가 포함된 커스텀 이중 리전에 있어야 합니다.
지원되는 Cloud Storage 위치에 대한 자세한 내용은 Cloud Storage 문서의 버킷 위치를 참조하세요.
Cloud Storage에서 데이터 로딩
Cloud Storage에서 데이터를 로드할 때 로드하는 데이터는 BigQuery 데이터 세트와 같은 위치에 있어야 합니다.
BigQuery 데이터 세트가
US멀티 리전에 있으면 모든 위치에 있는 Cloud Storage 버킷에서 데이터를 로드할 수 있습니다.- 멀티 리전 버킷: 로드하려는 Cloud Storage 버킷이 멀티 리전 버킷에 있으면 BigQuery 데이터 세트는 같은 멀티 리전이나 같은 멀티 리전 버킷에 포함된 단일 리전 버킷에 있을 수 있습니다.
예를 들어 Cloud Storage 버킷이
EU리전에 있으면 BigQuery 데이터 세트는EU멀티 리전이나EU의 단일 리전에 있을 수 있습니다. 이중 리전 버킷: 로드하려는 Cloud Storage 버킷이 이중 리전 버킷에 있으면 BigQuery 데이터 세트는 이중 리전 버킷에 포함된 리전이나 이중 리전이 포함된 멀티 리전에 있을 수 있습니다. 예를 들어 Cloud Storage 버킷이
EUR4리전에 있으면 BigQuery 데이터 세트는 핀란드(europe-north1) 단일 리전, 네덜란드(europe-west4) 단일 리전 또는EU멀티 리전 중 하나에 있을 수 있습니다.단일 리전 버킷: 로드하려는 Cloud Storage 버킷이 단일 리전에 있으면 BigQuery 데이터 세트는 같은 단일 리전이나 단일 리전이 포함된 멀티 리전에 있을 수 있습니다. 예를 들어 Cloud Storage 버킷이 핀란드(
europe-north1) 리전에 있으면 BigQuery 데이터 세트는 핀란드 또는EU멀티 리전에 있을 수 있습니다.한 가지 예외는 BigQuery 데이터 세트가
asia-northeast1리전에 있는 경우 Cloud Storage 버킷이EU멀티 리전에 있을 수 있다는 점입니다.
자세한 내용은 데이터 일괄 로드를 참조하세요.
Cloud Storage로 데이터 내보내기
데이터를 내보내기 위한 Cloud Storage 버킷을 같은 위치에 배치합니다.- BigQuery 데이터 세트가
EU멀티 리전에 있는 경우 내보내는 데이터가 포함된 Cloud Storage 버킷이 동일한 멀티 리전이나 멀티 리전 내에 포함된 위치에 있어야 합니다. 예를 들어 BigQuery 데이터 세트가EU멀티 리전에 있으면 Cloud Storage 버킷은 EU 내에 있는europe-west1벨기에 리전에 있을 수 있습니다.데이터 세트가
US멀티 리전에 있는 경우 데이터를 모든 위치의 Cloud Storage 버킷으로 내보낼 수 있습니다. - 데이터 세트가 한 리전에 있으면 Cloud Storage 버킷은 같은 리전에 있어야 합니다. 예를 들어 데이터 세트가
asia-northeast1도쿄 리전에 있으면 Cloud Storage 버킷은ASIA멀티 리전에 있을 수 없습니다.
자세한 내용은 테이블 데이터 내보내기를 참조하세요.
Bigtable
Bigtable에서 데이터를 쿼리하거나 Bigtable로 데이터를 내보낼 때는 위치를 고려해야 합니다.
Bigtable 데이터 쿼리
BigQuery 외부 테이블을 통해 Bigtable에서 데이터를 쿼리할 때는 Bigtable 인스턴스가 BigQuery 데이터 세트와 동일한 위치에 있어야 합니다.
- 단일 리전: BigQuery 데이터 세트가 벨기에(
europe-west1) 리전 위치에 있는 경우 해당 Bigtable 인스턴스가 벨기에 리전에 있어야 합니다. - 멀티 리전: 외부 쿼리 성능은 최소 지연 시간과 최적의 네트워크 대역폭에 따라 달라지므로 Bigtable의 외부 테이블에 멀티 리전 데이터 세트 위치를 사용하지 않는 것이 좋습니다.
지원되는 Bigtable 위치에 대한 자세한 내용은 Bigtable 위치를 참조하세요.
Bigtable로 데이터 내보내기
- BigQuery 데이터 세트가 멀티 리전에 있으면 해당 멀티 리전 내의 Bigtable 클러스터로 데이터를 라우팅하도록 Bigtable 앱 프로필을 구성해야 합니다.
예를 들어 BigQuery 데이터 세트가
US멀티 리전에 있으면 Bigtable 클러스터는 미국 내us-west1(오리건) 리전에 있을 수 있습니다. - BigQuery 데이터 세트가 단일 리전에 있으면 같은 리전의 Bigtable 클러스터로 데이터를 라우팅하도록 Bigtable 앱 프로필을 구성해야 합니다. 예를 들어 BigQuery 데이터 세트가
asia-northeast1(도쿄) 리전에 있으면 Bigtable 클러스터도asia-northeast1(도쿄) 리전에 있어야 합니다.
Google Drive
위치 고려 사항은 Google Drive 외부 데이터 소스에는 적용되지 않습니다.
Cloud SQL
BigQuery 통합 쿼리를 통해 Cloud SQL의 데이터를 쿼리할 때는 Cloud SQL 인스턴스가 BigQuery 데이터 세트와 동일한 위치에 있어야 합니다.
- 단일 리전: BigQuery 데이터 세트가 벨기에(
europe-west1) 리전 위치에 있는 경우 해당 Cloud SQL 인스턴스가 벨기에 리전에 있어야 합니다. - 멀티 리전: BigQuery 데이터 세트가
US멀티 리전에 있는 경우 해당 Cloud SQL 인스턴스는 미국 지리적 영역의 단일 리전에 있어야 합니다.
지원되는 Cloud SQL 위치에 대한 자세한 내용은 Cloud SQL 위치를 참조하세요.
Spanner
BigQuery 통합 쿼리를 통해 Spanner의 데이터를 쿼리할 때는 Spanner 인스턴스가 BigQuery 데이터 세트와 동일한 위치에 있어야 합니다.
- 단일 리전: BigQuery 데이터 세트가 벨기에(
europe-west1) 리전 위치에 있는 경우 해당 Spanner 인스턴스는 벨기에 리전에 있어야 합니다. - 멀티 리전: BigQuery 데이터 세트가
US멀티 리전에 있는 경우 해당 Spanner 인스턴스는 미국 리전의 단일 리전에 있어야 합니다.
지원되는 Spanner 위치에 대한 자세한 내용은 Spanner 위치를 참조하세요.
분석 도구
BigQuery 데이터 세트를 분석 도구와 같은 위치에 같은 위치에 배치합니다.- Dataproc: BigQuery 커넥터를 사용하여 BigQuery 데이터 세트를 쿼리할 경우 BigQuery 데이터 세트를 Dataproc 클러스터와 같은 위치에 배치해야 합니다. Dataproc은 모든 Compute Engine 위치에서 지원됩니다.
- Vertex AI Workbench: Vertex AI Workbench에서 Jupyter 노트북을 사용하여 BigQuery 데이터 세트를 쿼리할 때 BigQuery 데이터 세트를 Vertex AI Workbench 인스턴스와 같은 위치에 배치해야 합니다. 지원되는 Vertex AI Workbench 위치를 확인하세요.
데이터 관리 계획
데이터 관리 계획을 세웁니다.- BigQuery 데이터 세트 또는 Cloud Storage 버킷과 같은 리전 내 스토리지 리소스를 선택한 경우 데이터를 지리적으로 관리하기 위한 계획을 세웁니다.
위치 제한
조직 정책 서비스를 사용하여 데이터 세트를 만들 수 있는 위치를 제한할 수 있습니다. 자세한 내용은 리소스 위치 제한 및 리소스 위치 지원 서비스를 참조하세요.
데이터 세트 보안
BigQuery에서 데이터 세트에 대한 액세스를 제어하려면 데이터 세트에 대한 액세스 제어를 참조하세요. 데이터 암호화에 대한 자세한 내용은 저장 데이터 암호화를 참조하세요.
다음 단계
- 데이터 세트 생성 방법 알아보기
- 데이터를 BigQuery로 로드하는 방법 알아보기
- BigQuery 가격 책정 알아보기
- 전 세계 위치에서 사용할 수 있는 모든 Google Cloud 서비스 보기
- 다른 Google Cloud 서비스에 적용되는 기타 위치 기반 개념 살펴보기(예: 영역)